Agentic AI 工程师 Dan McAteer 公开了一项震撼学界的对照实验：面向大模型机械可解释性方向的 NLA 自主编码器实验任务，预估熟练博士需要投入 80 小时完成环境搭建、数据集制作、代码调试、实验跑通与结果分析，而 OpenAI Codex 开启 Goal Mode（目标模式）后，只用 1 小时 56 分钟就端到端跑完整套流程，效率提升约 40 倍，让行业讨论 “科研奇点” 是否已经到来。和传统只写单段代码的 Codex 不一样，Goal Mode 是自主智能体模式，不需要人类分步拆解指令，只输入最终科研目标，AI 就可以自动拆解子任务、配置环境、排查 CUDA 冲突、调试脚本、跑实验、汇总分析报告，不再是简单代码补全工具，变成可以独立执行小型科研项目的 AI 研究员。
一、本次实验基础信息清单
- 披露人：Dan McAteer（Agentic AI 工程师，在 X 平台发布）
- 模型组合：OpenAI Codex + GPT-5.5 high，开启 Goal Mode、fast 模式
- 科研方向：Mechanistic Interpretability（机械可解释性）
- 任务内容：NLA（自然语言自动编码器）实验全流程
- 人类预估工时：60–80 小时（博士、熟悉领域前提下；陌生领域上限 80 小时）
- AI 实际耗时：1 小时 56 分钟
- 核心能力：自主任务拆解、环境部署、代码编写、BUG 定位、多轮重试、结果分析、输出总结报告
二、博士手动流程 vs Codex Goal Mode 执行流程对比
| 环节 | 博士手动 80 小时工作流 | Codex Goal Mode 执行逻辑 |
|---|---|---|
| 需求理解与方案设计 | 研读论文、设计 prompt 数据集、制定打分规则 | 读取任务目标，自动拆解子任务、规划实验路线 |
| 环境部署 | 下载 GB10 模型、配置 PyTorch/CUDA，解决版本冲突 | 自动检测依赖、安装包、处理 CUDA、SLI 兼容报错 |
| 代码开发 | 写推理、激活提取、解码、评分、统计脚本 | 批量生成、自检、迭代修改代码 |
| 调试排错 | 反复跑冒烟测试，定位溢出、维度不匹配、显存问题 | 自动捕获报错，循环修复、重试实验 |
| 实验运行与分析 | 监控实验、采集数据、绘图、统计、撰写分析结论 | 自主运行、收集指标、生成图表、整理总结报告 |
三、Codex Goal Mode 和老版 Codex 的核心差别
- 初代 Codex：代码助手，人给一步一步提示，AI 生成一段代码，人类主导流程，遇到报错需要人排查。
- Goal Mode 目标模式：科研智能体，只给最终目标，AI 自主串联整套科研流水线，自主排障、循环迭代，人类只做最终结果审核，不再是逐行干预。
四、引发 “科研奇点” 讨论的核心逻辑与争议点
✅ 支持者观点
- 效率倍数巨大，证明 AI 已经可以独立完成中等复杂度的实验代码类科研闭环；
- 科研瓶颈不再只是写代码、调环境，人类科研者可以把精力放在提出猜想、设计新问题、解读结论；
- 降低计算方向入门门槛，加速可解释性、仿真、AI 实验类课题迭代速度。
❌ 理性争议与局限
- 任务边界有限：本次任务是已有论文范式内的复刻 + 验证实验，不是从零提出全新科研假设、开辟新方向；
- 结果校验责任仍在人类：AI 会生成看似合理、暗藏逻辑漏洞的代码，必须由科研人员复核实验结论；
- 硬件、Token 成本很高：高速自主迭代消耗大量算力，现阶段并不适合无限制大规模使用；
- 属于个案示范：不同科研方向（理论数学、湿实验生物、物理实验）很难直接复刻这个效率倍数。
五、对科研人员的现实影响
- 利好：大量重复性环境搭建、脚本开发、参数扫描、批量仿真工作可以交给 AI 智能体；
- 挑战：评价标准改变，科研竞争力会从 “会写代码调实验” 转向 “提好问题、设计精妙实验、批判性核验 AI 产出”；
- 风险：新手容易直接采信 AI 跑出的结果，忽略隐性 BUG，导致论文结论出错。
【相关 FAQ】
问题 1：博士 80 小时熬夜改代码 Codex 2 小时交卷科研奇点来了，Codex 这次用的是什么特殊模式？
回答 1：博士 80 小时熬夜改代码 Codex 2 小时交卷科研奇点来了，本次实验使用 Codex 的 Goal Mode 目标模式，属于自主智能体范式，只输入最终科研目标，AI 自主拆解、调试、跑完整套实验，不是普通代码补全。
问题 2：博士 80 小时熬夜改代码 Codex 2 小时交卷科研奇点来了，这次实验的效率提升大概多少倍？
回答 2：博士 80 小时熬夜改代码 Codex 2 小时交卷科研奇点来了，博士预估 80 小时的任务，Codex 耗时 1 小时 56 分钟，整体效率提升大约 40 倍。
问题 3：博士 80 小时熬夜改代码 Codex 2 小时交卷科研奇点来了，这个 Codex 智能体可以直接替代博士做科研吗？
回答 3：博士 80 小时熬夜改代码 Codex 2 小时交卷科研奇点来了，不能直接替代，它适合在成熟范式里执行实验流水线，提出创新猜想、审核结论、判断科学价值依然需要科研人员。
问题 4：博士 80 小时熬夜改代码 Codex 2 小时交卷科研奇点来了，这个实验属于哪个研究方向？
回答 4：博士 80 小时熬夜改代码 Codex 2 小时交卷科研奇点来了，实验属于大模型机械可解释性方向，是 NLA 自然语言自动编码器相关的验证实验。
【参考资料】
[2026-05-13]（博士 80 小时熬夜改代码，Codex 2 小时交卷！科研奇点来了）36 氪
[2026-05-14]（Codex Goal Mode 实验：AI 自主完成可解释性实验）新智元
[2026-05-13]（Dan McAteer X 平台原帖）X（Twitter）
[2026-05-15]（智源社区讨论：AI 科研智能体与科研奇点）智源社区
【免责声明】
本文基于工程师公开的单例实验信息整理，该案例属于特定场景下的演示实验，不代表所有科研任务都可以达到同等提速效果；AI 科研输出存在隐性错误风险，所有 AI 产出的代码、实验结论都需要科研人员人工复核验证，本文信息不代表 AI 已经实现通用自主科研。
本文来自作者[浅涡寻路官]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/itzx/202611/1000.html
评论列表（4条）
我是乌兰科技网的签约作者“浅涡寻路官”！
希望本篇文章《博士 80 小时科研代码任务，Codex Goal Mode 仅 2 小时完成，自主 AI 科研迎来奇点时刻》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：Agentic AI 工程师 Dan McAteer 公开了一项震撼学界的对照实验：面向大模型机械可解释性方向的 NLA 自主编码器实验任务，预估熟练博士需要投入 80 小时完成环境搭建、数据集制作、代码调试、实验跑通与结果分析，而 OpenAI Codex 开启 Goal Mode（目标模式）后，只用 1 小时 56 分钟就端到端跑完整套流程，效率提升约 40 倍，让行业讨论 “科研奇点” 是否已经到来。和传统只写单段代码的 Codex 不一样，Goal Mode 是自主智能体模式，不需要人类分步拆解指令，只输入最终科研目标，AI 就可以自动拆解子任务、配置环境、排查 CUDA 冲突、调试脚本、跑实验、汇总分析报告，不再是简单代码补全工具，变成可以独立执行小型科研项目的 AI 研究员。